医药行业整体表现与基金业绩概览 [page::4][page::5]

• 2008-2018年医药行业年化收益率达11.09%，行业排名中位列第二。

- 医药主题基金数量和规模显著增长，截至2018年3月规模447.77亿元，但行业内基金平均超额收益为负，说明超额收益获取难度大。

量化因子检验与多因子模型构建 [page::6][page::7][page::8][page::9]

• 识别成长因子（如标准化预期外盈利SUE，净利润增速NETPROFITINCYOY等）与价量因子（如非流动性冲击ILLIQ，换手率TURNOVER1M）有效。

- 采用WLS方法估计多因子收益，构建医药行业细分子行业市值及行业中性组合约束的优化模型。

• 构建TF医药基准指数作为模型回测基准，确保样本空间一致。

多因子模型实证结果 [page::10][page::11]

| 年份 | 绝对收益 | 指数收益 | 超额收益 | 相对最大回撤 | 信息比 | 跟踪误差 |
|------|----------|----------|----------|--------------|--------|----------|
| 全期 | 20.81% | 11.58% | 9.23% | -9.49% | 1.069 | 7.88% |

• 经典多因子模型在医药行业具备显著超额收益能力，年化超额收益为9.23%且风险可控。

细分行业基本面差异与股票池筛选逻辑 [page::12][page::13][page::30]

• 医药行业细分六大行业：化学制药、中药生产、生物医药、医疗器械、医疗服务、医药流通，各细分行业业务模式和财务指标显著不同。

- 针对细分行业关键基本面指标设置筛选阈值，构建优选股票池。

• 在优选股票池基础上进行多因子模型构建，提升组合稳定性。

典型细分行业及因子表现示例 [page::14-17]

• 化学制药：牛股特色包括高研发投入、强盈利和运营能力、较低估值（EP）。

- 研发支出/营业收入和销售费用/营业收入两个基本面指标在化学制药中因子检验表现优异。

细分行业其他典型指标表现 [page::20][page::22][page::25][page::29]

• 现金流、销售效率、研发投入、增长指标在中药生产、生物医药、医疗器械和医药流通中均表现出较好的多空区分度。

基本面量化模型回测与优势 [page::30][page::31]

| 年份 | 指数 | 量化模型超额收益 | 基本面量化模型超额收益 | 最大回撤 | 信息比 |
|------|---------|-------------------|-------------------------|----------|--------|
| 全期 | 11.58% | 9.23% | 12.13% | -7.21% | 1.42 |

• 基于细分行业基本面筛选后的量化策略年化超额收益提升至12.13%，最大回撤显著降低，信息比提升。

风险提示 [page::0]

• 市场环境变化风险；

- 有效因子变动风险；

• 优化模型失效风险。

金融工程—基本面量化视角下的医药行业选股研究详尽分析报告

---

一、元数据与报告概览

• 报告标题：金融工程—基本面量化视角下的医药行业选股研究

- 作者：吴先兴、张欣慰、韩谨阳

• 发文机构：天风证券研究所

- 发布日期：2018年6月15日

• 研究主题：医药行业基本面量化选股模型构建及细分行业展望

- 核心论点：
- 医药行业整体表现强劲，但在该行业内获取稳定的超额收益较难。
- 通过结合基本面因素的多因子量化模型，在医药行业内选股的年化超额收益可以提升至12.13%，高于单纯的多因子模型的9.23%。
- 医药行业内部各细分行业差异显著，基于细分行业的基本面关键指标进行股票筛选，有助于构建更加稳健且盈利能力较高的投资组合。

• 评级与目标价：报告未明确针对单只股票给出评级与目标价，本报告更关注行业及细分行业层面的研究与选股模型建构。

---

二、逐节深度解读

2.1 研究背景（页4-5）

• 总结：

- 医药行业长期表现优于多数中信一级行业，2008-2018年年化收益率高达11.09%，仅次于家电。
- 医药主题基金数量和规模逐年上升（2018年3月31日合计规模447.77亿元），但基金整体表现未达到预期，年化超额收益中位数为-1.81%，表明行业内部择股难度较大。

• 推理依据：

- 利用Wind数据展示的中信一级行业收益率、医药行业年度收益率及医药主题基金的表现，佐证了行业业绩强劲但资金管理者实战效益有限。

• 图表说明：

- 图1展示医药行业在17个一级行业中第二的年化收益率水平，强烈证明医药行业的整体吸引力。
- 图4揭示了基金整体未能持续超额收益的现实挑战，投资者需要优化选股工具与逻辑。

2.2 经典多因子模型应用（页6-11）

2.2.1 因子构建与检验（页6-9）

• 重点内容：

- 因子覆盖规模（如总市值对数LNCAP）、估值（BP、EPTTM）、成长（NETPROFITINCYOY、OPERREVINCYOY、SUE等）、盈利（ROE、DELTAROE）、一致预期和技术面（TURNOVER1M、ILLIQ、REVERSE1M）六大类。
- 因子经过去极值、行业和市值中性处理，并用因子ICIR和多空收益测评其有效性。

• 关键数据：

- 成长因子如SUE（标准化预期外盈利）多空收益达到20.09%，ICIR为0.52，是最有力的单因子。
- 价量因子ILLIQ（非流动性冲击）多空收益14.56%，ICIR为0.45，表现同样良好。
- 估值类因子如BP表现较差，ICIR较低甚至负值的因子例如CGPEG。

• 逻辑：

- 成长和价量类因子表现优异，说明医药行业结构与增长性显著影响股价表现，技术面有时可捕捉市场微观结构变化。

• 图5呈现因子多空收益和ICIR，直观表明成长类因子优势突出。

2.2.2 多因子组合构建与基准定义（页9-11）

• 模型介绍：

- 使用12个月因子收益均值与波动率之比对因子加权，动态调整因子权重方向，确保因子信号长期有效。
- 组合优化约束包括市值中性、行业中性（分到细分医药行业）、个股权重偏离限制（±5%）、全仓位。

• 基准定义：

- 制定TF医药基准指数，排除新股、ST股，利用自由流通市值加权，更好匹配策略选股池，逻辑严密且数据匹配充分。

• 回测结果：

- 多因子模型年化超额收益为9.23%，信息比1.069，最大相对回撤为9.49%，表现稳定且优异。

• 图9与表3分别展示组合净值曲线与详细年度表现。

3. 医药行业背景与细分行业分析（页12-13）

• 行业划分：

- 结合中信二三级行业，医药细分为六大类：化学制药、中药生产、生物医药、医疗器械、医疗服务、医药流通。

• 数量与权重变化：

- 细分行业股票数量和行业权重呈现稳定分布，化学制药、中药生产和生物医药占据主导权重。

• 图11-14直观展现细分行业规模与权重变动，揭示行业稳定性。

- 行业差别：
- 研发投入、销售毛利率、销售费用占比明显不同，中药生产研发投入最低，流通毛利率最低，生物医药最高。
- 表4详细展示了六大细分行业的核心财务指标差异。

• 细分行业分析框架：

- 综合行业概况、牛股筛选、牛股特性、行业与量化研究视角归纳关键驱动力形成核心结论，具有系统性与实用性。

• 图15总结细分行业分析流程，体现定量与定性结合的深入分析框架。

4. 细分行业深度分析（页14-28）

4.1 化学制药（页14-17）

• 年化收益率9.4%，股票数量90只。

- 牛股如恒瑞医药、恩华药业，盈利能力强，研发与销售费用投入显著。

• 牛股特征表明研发投入、研发效率及营销力度为驱动力。

- 财务指标如研发支出/营业收入、销售费用/营业收入等均验证量化因子有效性。

• 图18-21直观解释牛股特征与指标分组净值差异。

4.2 中药生产（页17-20）

• 年化收益率10.58%，股票数量70只。

- 牛股如康美药业、片仔癀，强调品牌稀缺性及业绩增长。

• 长期牛股显著突出现金流强度和盈利质量。

- 关键财务指标为现金流量指标，股票分组验证显示经营现金流同比增长和销售现金回收对收益具有区分度。

• 图24-27展现行业关键财务指标相关收益表现。

4.3 生物医药（页20-23）

• 年化收益率8.55%，股票数量37只。

- 牛股如长春高新、上海莱士，以基因工程药物和疫苗为主要业务。

• 牛股特征显示高盈利质量、营销费用及重研发投入。

- 量化层面成长性及研发支出指标表现突出，但单调性略差，选择净利润同比增速作为筛选主因子。

• 图30-33分析产业关键因子和净值表现。

4.4 医疗器械（页23-26）

• 年化收益率10.8%，股票数量36只。

- 牛股如迪安诊断，强调技术细分市场和产品创新。

• 牛股特征包括高成长性、研发投入及无形资产占比。

- 量化指标成长性和筹资现金流表现突出。

• 一致预期滚动增速指标多组表现有波动，需谨慎使用。

- 图36-38展示因子表现与分组净值。

4.5 医疗服务（页26-27）

• 年化收益率16.98%，但样本股数较少15只。

- 多样化商业模式，强调CRO、专科医院与体检服务差异。

• 牛股如泰格医药，为CRO领域龙头，表现优异。

- 因样本数量少，未做量化因子分组检验，侧重定性和基本财务指标评估。

4.6 医药流通（页27-29）

• 年化收益率8.83%，股票数量24只。

- 牛股如华东医药，重视产业链覆盖及工业板块毛利贡献。

• 牛股表现良好的指标为盈利能力、经营能力以及较低估值。

- 经营指标如存货周转率变化对回报有显著区分度。

• 图43-45分析财务因子效果。

5. 基本面量化视角选股模型构建与实证（页29-31）

• 模型构建：

- 根据细分行业关键指标，预先筛选股票池（选出表现优异的约20%截面），之后在优选池内应用经典多因子模型构建投资组合。
- 筛选阈值根据具体细分行业有所差异。

• 筛选规则示例：

- 化学制药：研发投入及销售费用指标均高于20%分位数。
- 生物医药：净利润同比增长率高于20%分位数。
- 中药生产：现金流动指标平均高于20%分位数。
- 医疗器械：一致预期增速高于20%分位数。
- 医疗服务：ROE较高（>40%分位数）。
- 医药流通：存货周转率变化偏高。

• 模型表现：

- 在2010-2018年时间段内，该基本面量化组合年化超额收益升至12.13%，最高信息比1.42，最大回撤降低至7.21%。

• 图46-47全流程及组合净值曲线，直观呈现策略优势。

- 表11详细年度表现对比，基础量化模型与基本面优选后效果显著提升。

---

三、图表深度解读

• 图1（中信一级行业年化收益）：医药排名第二，年化收益11.09%，显示行业结构性优质。

- 图5（因子多空收益与ICIR）：成长性相关因子SUE、净利润同比增速表现最佳，价量类如ILLIQ表现较好，低估值类因子表现不佳。

• 图7（因子收益净值）：成长及价量因子长期累积收益较好，显著区分走强与走弱股票。

- 图9（多因子模型净值）：策略净值平稳上升且超越医药基准指数，展现多因子模型实际有效性。

• 图11-14（细分行业数量及权重）：行业分布趋于稳定，化学制药、中药生产占据较大比重。

- 图18（化学制药牛股特征）：研发投入频繁、销售费用高及盈利指标良好是细分行业内优质股显著特征。

• 图20-21（化学制药分组检验）：研发投入与销售费用增高组合实现净值领先，验证行业核心驱动力。

- 图24-27（中药生产现金流相关指标分组）：现金流同比增长及现金回收率高的股票表现较好。

• 图30-33（生物医药牛股与指标分组）：研发投入和利润增长率高组合表现最好，但指标单调性有限需要综合判断。

- 图36-38（医疗器械特征与因子分组）：成长性、现金流及无形资产是重要选股因素。

• 图43-45（医药流通关键指标）：盈利与经营效率高的企业表现稳健，存货周转率变化为显著筛选指标。

- 图46（基本面量化流程）：显示根据行业特征定制初筛，再运用多因子模型精细构建组合的闭环框架。

• 图47（基本面量化模型净值）：优于传统量化模型，体现增强版模型收益稳定性和超额能力。

- 表11（量化模型对比）：基本面量化模型年度表现多数年份超越传统模型，信息比及回撤表现明显优化。

---

四、估值分析

• 报告未明确详细使用DCF等估值模型，但提及经典行业估值方法中，化学制药等制造型行业常用现金流折现模型，强调销售额、研发成功率、市场渗透率和定价能力在估值中的重要影响。

- 多因子模型中估值因子（EP、BP等）被纳入因子集合，但单因子表现有限，综合多因子与基本面筛选效果更佳。

• 估值指标在牛股筛选中表现为低估值优质股更可能脱颖而出，尤其是在医药流通与化学制药细分行业中。

---

五、风险因素评估

报告明确提示风险：

• 市场环境变动风险：医药行业政策调控、宏观经济波动可能影响行业表现及因子有效性。

- 有效因子变动风险：因子收益存在周期性及风格轮动，某些因子在特定环境下可能失效。

• 模型失效风险：量化模型参数、因子选取及回测框架等均存在优化与过拟合风险，导致实盘表现不及预期。

缓解策略：

• 结合细分行业基本面逻辑进行预筛，增强模型稳健性。

- 动态调整因子权重及剔除近期失效因子。

---

六、批判性视角与细微差别

• 行业细分的深度体现专业性，但也带来模型参数和选择的复杂性，需注意过度分割样本导致统计显著性下降风险。

- 部分指标如研发投入同比和一致预期滚动增速在部分细分行业单调性不足，可能影响策略稳定性与风险控制。

• 医疗服务板块样本有限，量化验证不足，更多依赖行业理解和定性判断，存在样本偏差风险。

- 估值因子表现不佳，提示传统静态估值指标在医药行业中作用有限，说明估值驱动被成长和基本面因素覆写。

• 报告中部分量化指标的年度划分和分组方法未详尽展开，需谨慎理解具体操作细节。

- 行业跨界影响和政策风险虽未详细揭示，仍为潜在不确定因素。

---

七、结论性综合

本文针对医药行业构建和优化了基本面量化选股模型，通过严谨的量化多因子筛选与结合细分行业深刻的基本面分析，实现了明显优于传统模型的投资回报。

• 医药行业表现优异，但行业内部超额收益获取不易，基金表现印证此结论。

- 传统多因子模型覆盖成长、盈利、价量因子，实证表明成长类因子，尤其是预期外盈利（SUE）和净利润增长率表现最佳。

• 细分行业存在显著差异，研发投入、营销能力、现金流质量等关键基本面指标的异质性是构建行业内部优质股池的核心。

- 结合细分行业基本面指标预筛股票池，后续多因子组合优化显著提高整体策略的收益与风险控制能力，年化超额收益提升约3个百分点至12.13%，最大回撤低于7.5%，信息比提升显著。

• 图表数据充分支持关键结论，尤其是因子检验、细分行业牛股特征分析和最终组合净值对比，展现了本文方法在实证层面的有效性和投资应用价值。

- 该研究为后续行业基本面量化选股提供了有益模板和系统框架。

综上，报告展示了一条基于深度行业理解辅以严谨量化方法的投资策略路径，成功融合了行业研究与量化选股优势，提高了医药行业选股的超额收益能力。

---

主要引用页码

[page::0,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31]

视觉引证示例

• 图1：

• 图5：

• 表3：

[见页10]

• 图46：

---

本分析报告基于天风证券2018年6月发布的医药行业基本面量化选股研究报告，使用其中表格、图表及核心论断数据，确保内容客观、详实，旨在为读者提供对医药行业投资逻辑的深入理解及量化模型应用参考。

报告